python数据分析是什么？如何用Python进行数据分析

最新推荐文章于 2023-12-08 16:27:59 发布

你别管我了

最新推荐文章于 2023-12-08 16:27:59 发布

阅读量174

点赞数

分类专栏： python数据分析文章标签：程序人生职场和发展数据分析 python 学习

本文链接：https://blog.csdn.net/2201_75571291/article/details/130215362

版权

python数据分析专栏收录该内容

24 篇文章 0 订阅

订阅专栏

前言

python大量的库为数据分析提供了完整的工具集。python拥有numpy、matplotlib、scikit-learn、pandas、ipython等工具在科学计算方面十分有优势，尤其是pandas，在处理中型数据方面可以说有着无与伦比的优势，已经成为数据分析中流砥柱的分析工具

python数据分析优势

Python语言得益于它的简单方便，使得其在大数据、数据分析以及人工智能方面都有十分明显的存在感，对于数据分析从业者以及想要进入数据分析行业的人来说，简单易学容易上手的优势也是一个优势。

python数据分析步骤

（1）数据抽取

（2）数据加载

（3）数据处理

（4）数据可视化

（5）预测模型的创建和评估

（6）部署（得出结果）

如何用Python进行数据分析

一、理解数据

首先导入excel文件

#导入excel文件
fileNameStr="朝阳医院2018年销售数据.xlsx"
xls=pd.ExcelFile(fileNameStr)
salesDf=xls.parse('Sheet1')

查看数据的基本信息

salesDf.head(3)
salesDf.shape

二、清洗数据

1.选择子集

#数据清洗
#一、选择子集
subsalesDf=salesDf.loc[:,'销售时间':'销售数量']
subsalesDf

选择子集

2.列名重命名

#二、列名重命名
colNameDict={'购药时间':'销售时间'} #构建一个旧列名和新列名对应关系的字典
salesDf.rename(columns=colNameDict,inplace=True) #inplace为True直接在源数据框中进行修改
salesDf

3.缺失值处理

#三、缺失值处理
print("含缺失值：",salesDf.shape)
salesDf=salesDf.dropna(subset=['销售时间','社保卡号'])
print("去掉缺失值后：",salesDf.shape)

缺失值处理

4.数据类型转换

#四、数据类型转换
salesDf['销售数量']=salesDf['销售数量'].astype(float)
salesDf['应收金额']=salesDf['应收金额'].astype(float)
salesDf['实收金额']=salesDf['实收金额'].astype(float)
salesDf['社保卡号']=salesDf['社保卡号'].astype(object)
salesDf['商品编码']=salesDf['商品编码'].astype(object)
print('转换后的数据类型',salesDf.dtypes)

#时间格式转换
#定义数据分割函数,分割字符串之前要先去重
def splitSalesTime(timecolList):
    timeList=[] # timeList[]
    for value in timecolList: # timecolList[]
        strDate=value.split(' ')[0]
        timeList.append(strDate) # timeList[].append(strDate)
        
    timeSer=pd.Series(timeList) # timeSer=pd.Series(timeList[])
    return timeSer

timeSer=salesDf.loc[:,'销售时间']
dateSer=splitSalesTime(timeSer)
print(dateSer)

salesDf.loc[:,'销售时间']=dateSer
#将字符串类型转化为日期类型
salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],format='%Y-%m-%d',errors='coerce')
salesDf.dtypes

数据类型转换

5.数据排序

#五、数据排序
salesDf=salesDf.sort_values(by='销售时间',ascending=True,na_position='first')
salesDf=salesDf.dropna(subset=['销售时间'])
salesDf=salesDf.reset_index(drop=True) # 重新设置索引
salesDf

数据排序

6.异常值处理

salesDf.describe()
queryDf=salesDf.loc[:,'销售数量']>0
salesDf=salesDf.loc[queryDf,:]
salesDf.describe()

异常值处理

三、数据建模

业务指标1：月均消费次数

#业务指标1：月均消费次数,总消费次数//月份数
#总消费次数：同一天内，同一个人发生的所有消费算作一次消费
kpil_Df=salesDf.drop_duplicates(subset=['销售时间','社保卡号']) #删除重复数据
total=kpil_Df.shape[0]

#月份数：时间范围//30=月份
kpil_Df=kpil_Df.sort_values(by='销售时间',ascending=True)
kpil_Df=kpil_Df.reset_index(drop=True)
kpil_Df
#时间范围
startTime=kpil_Df.loc[0,'销售时间']
endTime=kpil_Df.loc[total-1,'销售时间']
day=(endTime-startTime).days
month=day//30
month
kpi1=total//month
kpi1

等等..........